Python 如何在pandas数据帧中获取最小值之后的所有记录_Python_Pandas_Search

Python 如何在pandas数据帧中获取最小值之后的所有记录

python pandas search

Python 如何在pandas数据帧中获取最小值之后的所有记录,python,pandas,search,Python,Pandas,Search,如何获取所有记录（在最小值之后）最小值是7，我想得到它之后的所有记录 Date Value 2020-03-11 20 2020-02-25 10 2020-02-20 7.5 2020-02-15 7 2020-01-10 10 2019-12-07 15 我试过了 min1=dfs[i].loc[dfs[i]['Value']

如何获取所有记录（在最小值之后）

最小值是7，我想得到它之后的所有记录

Date             Value    
2020-03-11       20 
2020-02-25       10
2020-02-20       7.5      
2020-02-15       7        
2020-01-10       10       
2019-12-07       15

我试过了

min1=dfs[i].loc[dfs[i]['Value'] == dfs[i]['Value'].min()]['Date'].values[0]
dfs[i][min1:]

但这引起了一个错误 'TypeError:无法使用的这些索引器[2020-02-12T00:00:00.000000000]对进行切片索引'

注意：我有一个数据帧列表。

您想使用

shift

获取移位序列，然后将其与

min

进行比较：

df[df.Value.shift()==df.Value.min()]

输出：

         Date  Value
4  2020-01-10   10.0

4    10.0
Name: Value, dtype: float64

如果您只想获得

值

：

df.loc[df.Value.shift()==df.Value.min(), 'Value']

输出：

         Date  Value
4  2020-01-10   10.0

4    10.0
Name: Value, dtype: float64

您希望使用

shift

获取移位序列，然后将其与

min

进行比较：

df[df.Value.shift()==df.Value.min()]

输出：

         Date  Value
4  2020-01-10   10.0

4    10.0
Name: Value, dtype: float64

如果您只想获得

值

：

df.loc[df.Value.shift()==df.Value.min(), 'Value']

输出：

         Date  Value
4  2020-01-10   10.0

4    10.0
Name: Value, dtype: float64

通过执行此操作，可以获得第一个最小值之后的所有行

df.loc[df['Value'].idxmin（）：，]

编辑：根据下面的注释获取最小值后的行，不包括最小值

df.loc[df['Value'].idxmin（）+1:，]

请注意，我假设索引是连续整数，如果不是，请重置索引。如果您的索引不是整数且非单调的，请检查下面的@Valdi_Bo answer

您可以通过此操作获得第一个最小值之后的所有行

df.loc[df['Value'].idxmin（）：，]

编辑：根据下面的注释获取最小值后的行，不包括最小值

df.loc[df['Value'].idxmin（）+1:，]

请注意，我假设索引是连续整数，如果不是，请重置索引。如果您的索引不是整数且非单调的，请检查下面的@Valdi_Bo answer

假设数据帧包含：

          Date  Value
A1  2020-03-11   20.0
H2  2020-02-25   10.0
E3  2020-02-20    7.5
C4  2020-02-15    7.0
B5  2020-01-10   10.0
M6  2019-12-07   15.0

为了证明我的方法在所有可能的情况下都有效，我故意选择了非数值和非单调索引，但索引必须是唯一的

请注意：

idxm=df.Value.idxmin（）
值-C4


df.loc[：idxm].index检索索引的“初始”部分，
最多到“最小”行（包括）-
索引（['A1'，'H2'，'E3'，'C4']，dtype='object'）

df.index.difference（df.loc[：idxm.index）检索其他部分
索引的

索引（['B5'，'M6']，dtype='object'）

因此得出结论，正确的表达是：

df.loc[df.index.difference(df.loc[:idxm].index)]

          Date  Value
B5  2020-01-10   10.0
M6  2019-12-07   15.0

此表达式的结果是：

df.loc[df.index.difference(df.loc[:idxm].index)]

          Date  Value
B5  2020-01-10   10.0
M6  2019-12-07   15.0

其他可能的解决办法：

df.loc[df.Value.shift().idxmin():]